polito.it
Politecnico di Torino (logo)

Intelligenza artificiale e startup in Europa: l’importanza del background accademico e lavorativo dei fondatori nella raccolta di capitale sul mercato finanziario = Artificial Intelligence and startups in Europe: the importance of the academic and work background of the founders in the capital rising on the financial market

Alessandro Giachino

Intelligenza artificiale e startup in Europa: l’importanza del background accademico e lavorativo dei fondatori nella raccolta di capitale sul mercato finanziario = Artificial Intelligence and startups in Europe: the importance of the academic and work background of the founders in the capital rising on the financial market.

Rel. Emilio Paolucci, Elettra D'Amico. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Gestionale, 2021

[img]
Preview
PDF (Tesi_di_laurea) - Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives.

Download (3MB) | Preview
Abstract:

L’elaborato di tesi si propone come obiettivo quello di effettuare un’analisi sulle startup di Artificial Intelligence (AI) all’interno del panorama europeo, partendo dai dati inerenti ad un campione di 4266 startup, ottenuto dalla piattaforma Crunchbase, relativo all’arco temporale che copre il periodo tra gennaio 2005 e giugno 2020. In particolare, sono state condotte analisi specifiche sul background accademico e lavorativo dei fondatori di due diversi settori, quali Healthcare ed Advertising. I due settori di interesse sono stati scelti e messi a confronto in quanto appartenenti a due realtà totalmente differenti, ma caratterizzati allo stesso tempo da un numero paritetico di founders. A livello di background accademico sono stati collezionati dati relativi al titolo di studio conseguito dai founders, l’università frequentata e la relativa posizione geografica. Per quanto riguarda l’esperienza lavorativa è stata considerata quella acquisita precedentemente alla fondazione della startup. E’ stata quindi analizzata la realtà nella quale è stata fatta l’ultima esperienza, in termini di posizione ricoperta, durata, luogo e settore. Sulla base delle informazioni raccolte in merito ad ogni fondatore, si è cercato di comprendere quali fossero le discrasie, in termini di esperienza accademica e lavorativa dei fondatori, in grado di agevolare le startup nella raccolta di capitale sul mercato finanziario. Dalle analisi e dal confronto tra i due settori emergono differenze sostanziali in termini di background tra i founders in relazione agli investimenti, in considerazione del fatto che l’Healthcare è un settore altamente specializzato, e quindi ad alta intensità di conoscenza, mentre il settore dell’Advertising è un settore più legato all’esperienza ed all’applicazione. Prima di raggiungere i risultati delle analisi sopra riportate, si sono preventivamente considerate le differenti definizioni relative all’Intelligenza Artificiale ed è stata ripercorsa l’evoluzione nel tempo della disciplina AI. Sono poi state riportate le diverse classificazioni che la caratterizzano, prestando particolare attenzione alle diverse declinazioni quali Machine Learning, Deep Learning, NLP e Speech Recognition. Osservando il fenomeno attraverso l’approccio innovativo delle startup è stato necessario analizzare le caratteristiche delle startup nel panorama europeo e la loro distribuzione geografica. L’individuazione dei due settori in analisi è stata possibile grazie ad una classificazione delle startup in relazione al settore di applicazione, adottando la codifica NACE. Le informazioni riguardanti i founders, dati anagrafici, background accademico e lavorativo, sono stati individuati attraverso lo studio dei corrispondenti profili Linkedin. Sono poi stati analizzati gli investitori in termini di tipologia, round di investimento sostenuti e provenienza geografica.

Relatori: Emilio Paolucci, Elettra D'Amico
Anno accademico: 2020/21
Tipo di pubblicazione: Elettronica
Numero di pagine: 109
Soggetti:
Corso di laurea: Corso di laurea magistrale in Ingegneria Gestionale
Classe di laurea: Nuovo ordinamento > Laurea magistrale > LM-31 - INGEGNERIA GESTIONALE
Aziende collaboratrici: NON SPECIFICATO
URI: http://webthesis.biblio.polito.it/id/eprint/17773
Modifica (riservato agli operatori) Modifica (riservato agli operatori)